LA ESTRATEGIA MULTICANAL DESDE EL PUNTO DE VISTA DEL CLIENTE:

FACTORES DE USO Y RESULTADOS

Mónica CORTIÑASa*

Raquel CHOCARROb

María Luisa VILLANUEVAc

a,b,c, Universidad Pública de Navarra

Campus de Arrosadía, 31006

Pamplona, Spain

a mcortinas@unavarra.es

b raquel.chocarro@unavarra.es

c marisa.villanueva@unavarra.es

* Contact author.

Telephone: +(34)948 169895

Fax: +(34)948 169404

2

LA ESTRATEGIA MULTICANAL DESDE EL PUNTO DE VISTA DEL CLIENTE:

FACTORES DE USO Y RESULTADOS

ABSTRACT

This paper contributes to the knowledge of the impact of the multi-channel strategy by analyzing its effects on two key aspects of the behaviour of customers of financial services. We analyze the factors influencing the degree on multi-channel shopping and the impact of this multi-channel behaviour on the commitment to the firm. We use a customer database in order to estimate two latent class regression models in order to control for the existence of heterogeneity and the results show that customers' ownership of diverse financial products and services and the total number of financial products are the main determinants of multi-channel behaviour and that this behaviour is important in explaining the commitment to the firm.

KEY WORDS

Channel choice, multi-channel behavior, Financial services, Latent class regression.

RESUMEN

Este trabajo pretende contribuir al conocimiento del impacto de la implantación de una estrategia multicanal mediante el análisis de sus efectos en dos aspectos claves del comportamiento de los clientes de una entidad financiera. Se estudian los factores que explican el grado de comportamiento multicanal de estos clientes y el impacto que este comportamiento tiene en la vinculación con la entidad. Mediante la estimación de dos modelos de segmentación latente para controlar la existencia de heterogeneidad con una base de datos de clientes, se observa que características como el número y el tipo de productos contratados son determinantes en el comportamiento multicanal y que este comportamiento es importante para explicar la vinculación con la entidad.

PALABRAS CLAVE

Elección de canal, comportamiento multicanal, sector financiero, regresión de clases latentes.

3

LA ESTRATEGIA MULTICANAL DESDE EL PUNTO DE VISTA DEL CLIENTE:

FACTORES DE USO Y RESULTADOS

1. Introducción

El desarrollo de nuevas tecnologías, y en concreto Internet, está cambiando la forma en que

las empresas y los proveedores de servicios interactúan con los consumidores y clientes. Con

anterioridad a estos avances, la mayoría de las empresas preferían ofrecer sus productos y/o

servicios sólo a través de un canal, generalmente el canal físico. Sin embargo, la presión que

añaden estas nuevas tecnologías junto con las posibilidades que les ofrecen (mayor cobertura

de mercado, mejora de la satisfacción del cliente, reducción de costes de marketing, etc.) les

ha empujado a convertirse en organizaciones multi-canal, en organizaciones que utilizan

simultáneamente canales tanto de forma complementaria como paralela para servir a los

consumidores y clientes antes, durante y después de la compra (Sousa y Voss, 2006). Hasta

tal punto se ha alterado el panorama de la distribución, que la confianza en la estrategia

multicanal se está convirtiendo en una norma, más que una excepción (Black, Lockett,

Ennew, Winklhofer y Mckechnie, 2002; Frazier, 1999) y en los próximos años se espera un

reforzamiento de este entorno multicanal.

Además, la presión del mercado también les está obligando a ello. Los comportamientos de

compra de los consumidores son cada vez más complejos. Recientes investigaciones muestran

que los consumidores acuden a distintos canales para realizar sus compras (Ansari, Mela y

Neslin, 2003; Dholakia, Zhao y Dholakia, 2005; DoubleClik Inc, 2004; entre otros) y que

utilizan diferentes combinaciones de canales, ya pertenezcan a la misma empresa o a distintas,

en un único proceso de compra (Dholakia, et al., 2005; DoubleClik Inc, 2004; Júpiter

Consumer Surver, 2002; Verhoef, Neslin y Vromeen, 2005, entre otros). Estos clientes

quieren ser atendidos donde les conviene, en el momento que lo desean y por el medio que

ellos elijan.

En presencia de tales tendencias, nacen nuevos desafíos y nuevas preguntas para las empresas

que desean realizar una gestión eficiente del consumidor multicanal (Rangaswamy y Van

Bruggen, 2005): ¿será necesario desarrollar una estrategia de marketing integrada a través de

los diversos canales de de información y distribución?, ¿cómo proporcionar a los clientes una

experiencia integrada a través de los diversos canales?, ¿cómo desarrollar una tecnología de

información para obtener una visión común de sus clientes a través de los diferentes canales?,

4

¿los cambios hacia sistemas de distribución multicanal afectarán a las relaciones de canal y al

equilibrio poder-dependencia en estas relaciones?, ¿cuál será la combinación óptima de

canales?, ¿cómo distribuir los recursos en los sistemas de distribución multicanal?....

Pero, ante todo, debe ser una estrategia centrada en el cliente (Reda, 2002; Schoenbachler y

Gordon, 2002), en vez de en el canal. Por ello el elemento primordial y sustancial que debe

anteceder a cualquier plan de implementación y simplificar así las dificultades que supone

para una empresa la mudanza a una estrategia multicanal, debe ser la comprensión de la

dinámica de interacción del cliente con la empresa través de los diversos canales y las

circunstancias o características bajo las cuales un canal o combinación de canales puede ser

utilizado.

En la literatura de marketing encontramos muy pocos estudios que hayan investigado los

antecedentes y consecuencias del comportamiento multicanal de los consumidores

(Rangaswamy y Van Bruggen, 2005) y los que lo han hecho, apenas han emprendido

investigación empírica al respecto (Kumar y Venkatesan, 2005), por lo que existen pocos

resultados generalizables al respecto.

El trabajo que presentamos pretende cubrir, en parte, este vacío. A partir de los datos de

clientes proporcionados por una entidad financiera, en primer lugar, se analizan los elementos

determinantes de su comportamiento multicanal. En segundo lugar, estamos interesados en

conocer cuales son las consecuencias para la empresa del comportamiento multicanal de sus

clientes. En definitiva, pretendemos comprobar, si como se señala en la literatura (Kumar y

Venkatesan, 2005; Thomas y Sullivan, 2005; Venkatesan, Kumar y Ravishanker, 2007, entre

otros), los clientes que muestran un mayor comportamiento multicanal son más rentables para

la empresa.

En el siguiente apartado, se expone el marco conceptual y las proposiciones que se contrastan

en la aplicación empírica. En el epígrafe 3, se plantea ésta. Los resultados de estos modelos se

exponen en el epígrafe 4, destacando la importancia de las categorías de productos en el

comportamiento multicanal y la fuerte incidencia de éste en la vinculación del cliente. Por

último, se destacan las principales conclusiones obtenidas así como las limitaciones del

trabajo.

2. Marco conceptual y proposiciones

La literatura sobre adopción de nuevos canales de compra por parte de los consumidores se ha

desarrollado fundamentalmente desde finales de los 80 y principios de los 90, con la

emergencia de las nuevas tecnologías de la comunicación y de la información. Si al principio

5

el interés se centró en la adopción de tecnologías de autoservicio, a mediados de los 90 todas

las miradas se tornaron a Internet. Todavía hoy encontramos multitud de trabajos en los que

se trata de comprender quién está adoptando y usando el canal Internet en sus proceso de

compra y porqué (Akinci, Aksoy y Atilgan, 2004; Martínez, Ortega y Román, 2007; Meuter,

Bitner, Ostrom y Brow, 2005; Kolodinsky, Hogarth y Hilgert, 2004; Soopramanien y

Robertson, 2007; Wan, Luk y Chow, 2005; entre otros).

Ahora bien, el estudio de las causas y de las repercusiones de la lenta pero cierta penetración

de Internet en los procesos de compra debe ir más allá de su mera adopción como canal

sustitutivo de un canal offline, que ha sido la perspectiva adoptada por la mayoría de los

autores. Las relaciones online entre empresa y consumidores no debe ser consideradas

aisladamente, ellas tienen lugar dentro de un amplio contexto de actividades de marketing

realizadas simultáneamente con los canales de marketing tradicionales (Montoya, Voss y

Grewal, 2003; Peterson, Balasubramanian y Bronnenberg, 1997).

Así empieza a ser concebido por algunos investigadores, y aproximadamente en el año 2002

se publican los primeros artículos en los que se tiene en cuenta este entorno multicanal.

Schoenbachler y Gordon (2002) proponen un modelo conceptual para explicar la probabilidad

de que un consumidor compre desde un canal particular (online, detallista, catálogo) o desde

múltiples canales y Nickolson, Clarke y Blakemare (2002), a través del estudio de casos,

exploran la influencia de factores situacionales en el uso de múltiples canales por parte de los

clientes de un establecimiento de moda.

Aunque esta línea de investigación es reciente, además de los trabajos que tienen objetivos

similares a los dos ya mencionados, destacan otros los que han analizado la migración de

clientes entre canales (Ansari et al., 2003), la complementariedad o sustitución de canales de

información y/o de compra (Dholakia et al., 2005; Verhoef et al., 2005), la elección de

canales (Black et al., 2002; Patricio, Fisk, Falcao y Cunha, 2003; Boehm y Gensler, 2006) o el

efecto del comportamiento multicanal de los clientes en los resultados de su relación con la

empresa (Ansari et al., 2003; Kumar y Venkatesan, 2005; Thomas y Sullivan, 2005;

Venkatesan et al., 2007).

A continuación presentamos las proposiciones que vamos a contrastar para conocer con

mayor profundidad las causas y consecuencias del comportamiento multicanal de los

consumidores. Condicionadas por la información de la base de datos de clientes utilizada en

la parte empírica, señalar, en primer lugar, que el trabajo se va a centrar en la etapa

transaccional del proceso de compra. En segundo lugar, que no podemos estudiar el efecto de

percepciones, actitudes o motivaciones en el comportamiento multicanal, pero sí el efecto de

6

factores de utilización. Asimismo, analizaremos los resultados del comportamiento

multicanal.

2.1. Comportamiento multicanal y productos y servicios

Los canales se diferencian en el nivel de outputs de servicio que pueden poner a disposición

de los clientes y en la forma de ponerlos a su disposición. Además, cada consumidor percibe

que los diferentes canales puestos a su disposición por las empresas proporcionan diferentes

mezclas de outputs. Cada canal presenta unas fortalezas y unas debilidades en cuanto a

comodidad, contacto personal, asesoramiento, posibilidad de inspeccionar los productos,

posibilidad de comparación de productos y precios, seguridad, privacidad, control sobre el

proceso de compra, coste económico, esfuerzo personal, tiempo, medios de pago, diversión,

etc. (Akinci et al., 2004; Burke, 2002; Black et al., 2002; Kolodinsky et al., 2004; Lee y Tan,

2003; Patricio et al., 2003; Rajamma et al., 2007; Verhoef et al., 2007; Wan et al., 2004, entre

otros).

Estas capacidades y limitaciones restringen el rango y la intensidad de los bienes y servicios

que proporciona cada canal, influyendo en las necesidades que pueden ser o que prefieren ser

satisfechas en cada momento por cada canal (Girard, Silverblatt y Korgonkar, 2002;

Rajamma, Paswan y Ganesh, 2007; Peterson et al., 1997) y finalmente, en el volumen de

negocio que pueden generar (Coelho y Easingwood, 2004).

A pesar de la popularidad de Internet como fuente de información, este canal ha suscitado

dudas sobre si es adecuado para la venta de cualquier tipo de producto (Payda y Dholakia,

2005). Las últimas estadísticas relativas a la comportamiento online en España indican que los

productos más comprados por la web son billetes para medios de transporte, reservas de

alojamiento, ordenadores y componentes periféricos y entradas para espectáculos (AIMC,

2007). Es decir, más servicios que productos tangibles. En esta misma línea, Rajamma et al.

(2007) concluyen que para los consumidores existe mayor congruencia canal-producto entre

los servicios (viajes, reservas, servicios financieros, compra de entradas..) y el canal online y

entre los productos tangibles (alimentos, productos funcionales) y los establecimiento físicos.

No obstante, observan algunas excepciones. Los servicios como asesoramiento o temas

legales son percibidos como más congruentes con el canal físico que con el canal online y en

el caso de los productos electrónicos de entretenimiento ocurre lo contrario.

A fin de afinar un poco más en el tema, otros autores, han clasificado a los productos en

función de las características dominantes que los consumidores pueden investigar y de las que

pueden obtener información antes de comprar o de usar. Así, Gehrt y Yan (2004) descubren

7

que los consumidores para comprar productos de experiencia, como la ropa, en los que la

información sobre los atributos relevantes no puede ser conocida antes de la compra y en los

poder tocarlos o probarlos es importante antes de adquirirlos, prefieren hacerlo más en los

establecimientos y menos a través de catálogos o Internet. Mientras que en el caso de los

productos de búsqueda, en los que la calidad y el valor pueden ser determinados y evaluados

fácilmente antes de la compra, como un libro, ocurre lo contrario. Girard et al. (2002)

obtienen resultados similares para estas dos categorías de productos, y descubren que para los

productos en los que la información sobre los atributos relevantes no está disponible ni antes

ni después de adquirir o usar el productos la preferencia a adquirirlos por Internet es también

menor que en el caso de los productos de búsqueda.

No obstante, dentro de una misma categoría de producto, podemos encontrar productos con

características muy diversas. Nosotros, como se ha apuntado en la introducción, vamos a

centrar nuestro trabajo empírico en productos y servicios financieros, una categoría de

productos en la que la capacidad de contratación y gestión de los productos por parte de los

clientes y el nivel de implicación o riesgo percibido difiere de unos productos a otros

pudiendo afectar en estas decisiones.

En esta dirección se pronuncian Black et al. (2002), Patricio et al. (2003) y Akinci et al.

(2004). Según estos autores, cuando se trata de productos financieros de baja implicación

como consultas u operaciones básicas y rutinarias, los consumidores ven adecuados los

canales basados en tecnología; mientras que cuando se trata de productos más complejos,

productos de mayor implicación, como los préstamos o inversiones financieras, muestran una

mayor preferencia hacia el canal cara a cara. Martínez et al. (2007) descubren que el uso del

canal online está positivamente relacionado con la posesión de cuentas corrientes que cuentan

con tarjeta o talonarios de cheques, de tarjetas de crédito, de otros tipo de tarjetas, de un plan

de pensión privado, de valores, de fondos de inversión, de una hipoteca, de una segunda

hipoteca, de préstamos y de un descubierto vinculado a una cuenta corriente. Y está

negativamente relacionado con la posesión de un talonario de cheques y de un seguro de vida.

Por tanto,

Hipótesis 1: Los productos y servicios financieros con posibilidad de autogestión por

parte del cliente estará relacionados positivamente con un comportamiento multicanal.

Hipótesis 2: Los productos y servicios financieros de baja implicación estarán

relacionados positivamente con un comportamiento multicanal.

8

2.2. Comportamiento multicanal y resultados

Algunos trabajos parecen cuestionarse el valor de los compradores multicanal. El informe

anual Júpiter Consumer Surver “Redefining the Online Retail Consumer” realizado en marzo

del 2002 concluye que los compradores multicanal pueden ser una mayor carga que otros

compradores online por ser más dependientes del trato y más sensibles al precio, incluso más

propensos a cambiar a otros detallistas para conseguir ventajas en el trato. Además, este

estudio sugiere que el hecho de que los clientes compren más productos a través de los

diferentes canales que el detallista pone a su disposición no significa que sea más leal al

detallista que otros compradores. Thomas y Sullivan (2005) encuentran que no todas las

combinaciones están asociadas con mayores ventas que los canales únicos. Por ejemplo, los

usuarios de catálogos gastan más que los clientes que compran en los establecimientos y en

Internet.

Sin embargo, la estrategia multicanal y sus intentos por incentivar el uso de algunos canales

han sido vistos por algunas empresas como una oportunidad para ahorrar costes operativos.

Pero la gran mayoría de ellas, lo considera como una oportunidad para aumentar las ventas

ante la creencia de que los compradores multicanal son más valiosos y rentables que los

consumidores de un único canal.

Numerosos informes elaborados por consultorías avalan esta creencia. Según se pone de

manifiesto en ellos, los compradores multicanal son muy activos, compras más y gastan más

dinero que los compradores que utilizan un único canal (Júpiter Consumer Surver, 2002;

DoubleClik Inc, 2004). También la investigación académica lo hace. Ansari et al., (2003),

Kumar y Venkatesan (2005), Thomas y Sullivan (2005) y Venkatesan et al., (2007) descubren

que los compradores multicanal son significativamente más rentables que los compradores

unicanal. Por lo tanto:

Hipótesis 3: los clientes que tienen un comportamiento multicanal resultan más rentables a

la empresa.

3. Aplicación empírica

3.1. Base de datos

Para completar los objetivos de este trabajo, utilizamos la base de datos de clientes de una

entidad financiera que opera en España. El sector financiero fue el seleccionado en este caso

debido a varias razones. En primer lugar, el sector financiero ha sido uno de los primeros en

implantar nuevos canales y en promover de forma activa el uso de los canales por parte de los

9

clientes, por lo que los clientes tienen un alto grado de familiaridad con ellos. En segundo

lugar, las entidades financieras han realizado numerosos y continuos esfuerzos para gestionar

de forma eficiente a sus clientes a través de los diversos canales, por ello para ellas es

importante disponer de bases de datos totalmente integradas de las operaciones por ellos

realizadas. En tercer lugar, la naturaleza relacional de los vínculos de los clientes con las

entidades financieras hace que las oportunidades de interacción a través de distintos canales

sean mayores que en el caso de otros sectores.

De esta base de datos de clientes, se extrajeron de forma aleatoria los datos de 455 individuos

adscritos a distintas oficinas repartidas por todo el ámbito geográfico de actuación de la

entidad. Para cada individuo, se dispone de datos agregados, tanto de sus operaciones durante

el último año como de datos sobre evolución histórica, algunos datos sociodemográficos y

una medida agregada de vinculación basada en datos internos sobre rentabilidad del cliente y

vinculación con la entidad. Por último, se dispone de la información sobre la utilización de los

distintos canales puestos a disposición del cliente durante un año (septiembre 2005-

septiembre 2006) en las operaciones realizadas durante ese periodo.

A continuación pasamos a describir la operacionalización y los estadísticos descriptivos de las

variables que se han utilizado en el análisis del comportamiento multicanal. Primero se hace

alusión a las variables relativas a la consecución del primero de los objetivos del trabajo y

posteriormente a las del segundo.

3.2. Variables

Comportamiento multicanal

En la Tabla 1 se muestran los descriptivos de las variables relacionadas con la utilización de

canales y comportamiento multicanal. Como se puede observar, el número de operaciones

realizadas por los clientes en el último año es muy variable. Por término medio, los clientes

han realizado 104 operaciones a través de los cuatro canales puestos a su disposición por la

entidad financiera.

El canal con mayor porcentaje de operaciones medio son los cajeros, seguido de las oficinas.

El porcentaje de operaciones media realizadas en Internet es del 7%, mientras que el menos

utilizado es el de telebanca, con un número medio de 0,5 operaciones al año. Esta baja

utilización del canal de telebanca es consistente con los resultados de Patricio et al. (2003) o

Wan et al. (2005), en los que se muestra que el canal de banca telefónica se considera más un

canal complementario que se utiliza principalmente en ocasiones puntuales y de urgencia.

10

TABLA 1 Comportamiento multicanal

Variable N Mín. Máx. Media Desv. típ. Número de operaciones 455 2 703 104,17 71,81 % operaciones Oficinas 455 0 100 20,67 20,29 % operaciones Cajeros 455 0 100 71,47 22,69 % operaciones Internet 455 0 76 7,36 12,62

Operatividad

% operaciones Telebanca 455 0 28 0,51 1,97 Número de canales 455 1 4 2,51 0,71 Comportamiento

multicanal Entropía 455 0 1,25 0,55 0,28 Para describir el comportamiento multicanal, una de las medidas barajadas por los autores es

el número de canales utilizados por el cliente (Kumar y Venkatesan 2005; Sousa y Voss,

2006). Como se muestra en la Tabla 1, en media, los clientes utilizan más de dos canales

distintos de los cuatro posibles como forma de relación con la entidad financiera (media 2,5).

Esta variable indica que el grado de utilización de un mix de canales es alto. Las

combinaciones de canales más utilizadas por los clientes son: oficinas-cajeros (51,87%),

oficinas-cajero-Internet (30,77%) y, en menor medida, la opción de los cuatro canales

(9,89%). Solo un 2,86% de los clientes han utilizado exclusivamente un canal, oficina o

cajero.

Sin embargo, esta medición de la variable presenta el problema de no tener en cuenta las

diversas gradaciones en este comportamiento. Por ejemplo, utilizando esta escala de medida,

un individuo que haya utilizado tres canales se describe como individuo con alto

comportamiento multicanal aunque pueda haber realizado el 98% de sus operaciones en un

canal y un 1% respectivamente en otros dos canales. Para solucionar este problema, algunos

autores han propuesto la utilización de umbrales mínimos de uso de un determinado canal

para considerar a un individuo como comprador multicanal. Ansari et al. (2003) al tratar de

explicar el comportamiento migratorio entre canales de los compradores, clasifican a los

clientes leales al canal catálogos o leales al canal internet si han hecho más del 95% de sus

compras en el canal y clasifican al resto como compradores multicanales. Easingwood y

Coelho (2003) plantean distintas heurísticas para clasificar a las empresas en organizaciones

con estrategia multicanal o no como tener ventas en más de un canal o tener ventas mayores a

distintos puntos de corte (5%, 10%, 15%...), seleccionando finalmente un punto de corte del

15%. Aplicando estos criterios a nuestro caso, un 89,67% de los clientes pueden ser

considerados multicanales según el criterio de Ansari et al. (2003) y un 58,90% según el

criterio de Easingwood y Coelho (2003).

11

Como acabamos de ver, estas heurísticas no permiten establecer un criterio válido que sea

contrastable independientemente del contexto y del juicio del investigador. En este trabajo,

proponemos como medida de comportamiento multicanal la medida de entropía. La entropía

es un concepto utilizado inicialmente en termodinámica, mecánica estadística y Teoría de la

información. En este último caso, la entropía está relacionada con la incertidumbre presente

en un determinado sistema y es una medida de la información que contiene una determinada

señal. Cuanto mayor es la cantidad de información, mayor es la entropía. Este concepto sin

embargo, ha sido utilizado en otros ámbitos como medida de la homogeneidad o dispersión de

un conjunto de datos. Por ejemplo, se ha utilizado para medir dispersión espacial (González y

González, 2000), variedad de surtido (Van Herpen y Pieters, 2002) o dispersión de

conversaciones en distintas localizaciones (Godes y Mayzlin, 2004).

Formalmente, la entropía se define como:

�−==

K

kkk ppE

1)ln(

(1)

Donde kp define la proporción en la que aparece cada suceso k de los K posibles. En nuestro

caso, kp es la proporción de operaciones realizada a través de cada tipo de canal.

La entropía aumenta cuando la proporción de los distintos sucesos es más uniforme y alcanza

su valor máximo cuando la proporción es la misma en todos los casos. En el caso de un

cliente que realice operaciones en un único canal, el valor de la entropía es el mínimo posible

(0). Por el contrario, la entropía alcanza su valor máximo (el logaritmo neperiano del número

de canales) cuando las operaciones se reparten en la misma proporción entre todos los canales

y, por tanto, el comportamiento multicanal del cliente es el máximo posible. El valor de la

entropía crece conforme las proporciones en los distintos canales se igualan, por lo que nos

permite tener una medida continua y creciente del grado en el que las operaciones de un

determinado cliente se reparten entre distintos canales.

Tal y como se muestra en la Tabla 1, el valor medio de la entropía es 0,55 con un máximo de

1,25 frente al 1,38 posible teóricamente. Realizado el test de Kolmogorov-Smirnov para la

distribución de esta variable observamos como el valor Z tiene una significatividad para la

distribución Normal de 0,437 aceptándose la hipótesis de que la distribución de la entropía es

una variable normal. Este resultado implica que el comportamiento multicanal no se

distribuye entre clientes mediante umbrales a partir de los cuales podemos formar grupos más

homogéneos sino que para describirlo de forma precisa es necesario tener en cuenta toda la

distribución.

12

Características de la cartera de productos de los clientes

La tabla 2 describe las diversas variables relacionadas con la cartera de productos de los

clientes y con la utilización de los servicios ofrecidos por la entidad. En concreto, las

variables son:

⋅ Posesión o no de productos de pasivo, como cuentas corrientes, cuentas de ahorro a plazo,

fondos de pensiones, fondos de inversión, letras del tesoro, valores, otros productos de

ahorro (cuentas viviendas, etc.), cuentas a la vista y a plazo diseñadas para gestionarse

únicamente on-line. Prácticamente todos los clientes poseen alguna cuenta corriente. El

22% aproximadamente posee fondos de inversión y un 19% otros productos de ahorro. Las

cuentas corrientes online tienen una penetración del 7,50% y del 2% las de ahorro online.

El número medio de productos de pasivo contratados por los clientes es 2,33.

TABLA 2 Productos y servicios

Variable N % contratado.

Cuentas corrientes 455 99,78 Cuentas corrientes online 455 7,47 Cuentas de ahorro a plazo 455 8,57 Cuentas de ahorro a plazo online 455 1,98 Fondos de pensiones 455 22,20 Otros planes de ahorro 455 19,12 Fondos de inversión 455 7,47 Letras del tesoro 455 3,52

Productos de pasivo contratados

Valores 455 7,91 Préstamos con garantía hipotecaria 455 41,98

Préstamos con garantía personal 455 19,78

Productos de activo contratados

Productos de aplazamiento de pagos 455 0,88

N Mín. Máx. Media Desv. típ. Número de tarjetas 455 0 6 1,60 0,80 Número de seguros 455 0 1 0,43 0,50 Número de transferencias 455 0 32 1,07 2,41 Número de recibos 455 0 95 20,62 16,50 Número de impuestos 455 0 6 0,19 0,74

Servicios

Número de cheques ingresados 455 0 6 0,13 0,54

13

⋅ Posesión o no de productos de activo, categorizados en préstamos con garantía hipotecaria,

préstamos con garantía personal y productos de aplazamiento de pago. Casi un 42% posee

algún préstamo hipotecario y un 20% alguno de garantía personal.

⋅ Servicios utilizados por el cliente. Por una parte, se ha considerado el número de tarjetas y

el número de seguros contratados. Por otra, el número de transferencias realizadas, el

número de cheques ingresados, el número de recibos pagados y el número de impuestos no

domiciliados pagados en el último trimestre del periodo de estudio. El número medio de

tarjetas poseídas por los clientes es 1,60, mientras que el de seguros contratados es 0,43.

Durante el último trimestre, los clientes realizaron una transferencia, pagaron casi 21

recibos y el resto de operaciones fue más ocasional.

Características socio-demográficas

La edad media de los clientes analizados es de 50 años y tienen una antigüedad media en la

entidad de 14 años. La mayoría de los clientes eran trabajadores por cuenta ajena o

estudiantes cuando comenzaron su relación con la entidad.

TABLA 3 Características socio-demográficas

N Mín. Máx. Media Desv. típ. Edad del cliente 455 21 83 50,03 14,23 Antigüedad como cliente 455 0 40 14,42 9,15 Actividad del cliente Frecuencia % Desempleo 13 2,86 Estudiante 52 11,43 Sus labores y pensionistas 17 3,74 Trabajador eventual 36 7,91 Trabajo fijo por cuenta ajena 303 66,59 Trabajo fijo por cuenta propia (autónomo) 34 7,47

Vinculación del cliente con la entidad

En la base de datos únicamente se dispone información de esta variable de resultado. La

vinculación del cliente con la entidad es una medida de rentabilidad del cliente, establecida

por la entidad. Esta medida se expresa en puntos. La vinculación de los clientes analizados es,

por término medio, de 27 puntos y varía desde 0 puntos hasta 68.

14

3.3. Modelos empíricos

3.3.1. Modelo de regresión 1.

El primer objetivo del trabajo es describir los determinantes del comportamiento multicanal,

tratando de describir los factores que hacen que un mismo cliente utilice en mayor medida

varios canales diferentes para relacionarse con la entidad. En este caso, la variable

dependiente es la medida de entropía, una medida continua en el intervalo 0-1,38. Dado que la

variable dependiente es continua, el modelo utilizado en la estimación es una regresión

múltiple1.

En este caso el modelo a estimar es:

ChTrSeTaApPgp

PghVaLtFdOaFpPloPlCcoCcEnti

1817161514131211

109876543211

ImRe ββββββββββββββββββα

++++++++++++++++++=

Donde:

iEnt : Entropía

1α : constante

Cc: posee o no cuentas corrientes

Cco: posee o no cuentas corrientes online

Pl: posee o no cuentas de ahorro a plazo

Plo: posee o no cuentas de ahorro a plazo online

Fp: posee o no fondos de pensiones

Oa= posee o no otros planes de ahorro

Fd: posee o no fondos de inversión

Lt: posee o no letras del tesoro

Va: posee o no valores

Pgh: posee o no préstamos con garantía hipotecaria

Pgp: posee o no préstamos con garantía personal

Ap: posee o no productos de aplazamiento de pago

Ta: número de tarjetas

Se: número de seguros

Tr: número de transferencias realizadas

1 Como la variable dependiente tiene límites tanto superior como inferior, es posible plantearse la utilización de un modelo para variables

truncadas o censuradas como el modelo Tobit. Sin embargo, en este caso el truncamiento no surge de un defecto en la muestra o en la forma de medición de la variable de interés, sino por la propia naturaleza del fenómeno a estudiar y, por tanto, estos modelos no son aplicables. En cualquier caso, la estimación con el modelo Tobit proporciona resultados muy similares en este caso al del modelo de regresión lineal.

15

Re: número de recibos pagados

Im: número de impuestos no domiciliados pagados

Ch: número de cheques ingresados

nβ : Parámetros a estimar

3.3.2. Modelo de regresión 2

El segundo objetivo del trabajo, pretende analizar el impacto que tiene el comportamiento

multicanal en el valor del cliente. En este caso, la variable explicativa fundamental es la

medida de comportamiento multicanal utilizada (la entropía). Además, se utilizan otras

características de los clientes como variables de control. El modelo empírico que se utiliza en

este caso es una regresión lineal de la forma:

iii ActivEdadTPEntVin 76211 ββββα ++++= Donde:

1α : constante

Ent : Entropía

TP : Pasivo total

Edad : edad

iActiv : variables dummy que indican la actividad a la que se dedica el cliente

No obstante, asumir que los consumidores son homogéneos es un supuesto bastante

restrictivo en la estimación de modelos explicativos en marketing. Se pueden obtener

estimaciones sesgadas en los parámetros y, por lo tanto, dar una visión distorsionada de la

realidad y alcanzar conclusiones erróneas (Jedidi et al., 1997; Ansari et al., 2000; Wedel y

Kamakura, 2000; Kamakura, Kim y Lee, 1996). Por ello, en ambos casos, se tratará de de

controlar la heterogeneidad de la muestra mediante un análisis de regresión de clases latentes.

4. Resultados

4.1. Comportamiento multicanal

En la Tabla 4 se presentan los resultados de la estimación del modelo que explica el

comportamiento multicanal para el total de la muestra. Se observa que la entropía es mayor,

es decir, los individuos reparten más sus operaciones entre los diferentes canales que la

16

entidad pone a su disposición cuando tiene contratados productos cuya gestión se realiza

exclusivamente a través del canal Internet, cuando tienen contratados productos de

aplazamiento de pago y cuanto mayor es el número de transferencias realizadas.

Los índices de ajuste AIC y BIC obtenidos en el proceso iterativo de estimación del modelo

en el que se ha tratado de controlar la heterogeneidad de la muestra (tabla 5), nos muestran

que el modelo que presenta unos mejores valores de ajuste es el modelo final con la muestra

agrupada. En este caso, la mejora en el ajuste que se obtiene al permitir variaciones entre

segmentos no compensa el aumento en el número de parámetros en el modelo, por lo que

podemos concluir que no existen diferencias importantes en el comportamiento de los

segmentos en este caso. En cualquier caso, en la Tabla 4 se muestran a título ilustrativo los

parámetros estimados para el modelo con dos segmentos

Con respecto al modelo general, en definitiva, y como era de esperarse, el comportamiento

multicanal de los clientes viene determinado por la posesión o no de productos con los que

tiene mayor capacidad de gestionarlos, los productos de pasivo. Por esta misma razón,

prácticamente la posesión de los productos de activo no afecta significativamente a este

comportamiento multicanal. También el número de transferencias afecta significativamente a

la utilización de un número de canales mayor por lo que los clientes que realizan más

transferencias reparten sus operaciones en mayor medida.

4.2. Comportamiento multicanal y resultados

Por último, como se ha puesto de manifiesto en la parte conceptual del trabajo, podemos

esperar una influencia positiva entre el comportamiento multicanal del cliente y el resultado

obtenido por la empresa de la relación con dicho cliente. El modelo de la Tabla 6 pretende

comprobar la existencia de dicha relación. Para ello, la variable de vinculación utilizada como

proxy de resultados se explica por la entropía. Sin embargo, en el caso de una relación

positiva podemos pensar que hay otras covariables que inciden en dicha relación. Por este

motivo, incluimos estas covariables como variables de control. Como en el caso del modelo

anterior, para controlar la existencia de heterogeneidad se plantean los modelos con

segmentación latente. Observando los resultados, se comprueba como la entropía es la

variable más significativa y, por tanto, la de mayor capacidad para explicar la vinculación del

cliente con la entidad. Los clientes que realizan sus operaciones en distintos canales son los

que mayor vinculación tienen con la entidad y por lo tanto, los que resultan más rentables

para la entidad financiera. Observando los ajustes de los modelos que tratan de controlar la

heterogeneidad (Tabla 7) se observa cómo el modelo con dos segmentos es el que

17

proporciona un mejor ajuste (BIC). Los parámetros de este modelo con dos segmentos

confirman lo que se observa en el modelo general. En ambos casos, la entropía es la variable

más importante para explicar la vinculación, por lo que estos clientes son los que resultan más

rentables para la empresa.

TABLA 4 Determinantes del comportamiento multicanal

� ������������� ������ ����� ������ �����

� ������ ������ ������ ������ ������ ������

���������� ��� ���� ������ ��� ������ ���

Cc� ��� ���� ����� ����� ������ ��� �

Cco� ����� ����� ������ ����� ������ � � �

Pl� ���� ����� ��� �� � ��� �� �

Plo� ������ ����� �� ��� �� � �����

Fp� �� ���� ������ ����� ��� ����

Oa� ��� ���� ��� �� � ��� �� �

Fd� ���� ����� ���� ����� � � ����

Lt� �� ��� � ���� ����� ���� �����

Va� ��� ���� ��� ��� ��� ���

Pgh� ��� �� � �� ��� �� ���

Pgp� ���� ����� ��� �� � ��� �� �

Ap� ����� ����� ������ ����� ���� �����

Ta� ��� �� �� ��� � ��� ��� ����

Se� � � ��� �� �� � �� �� �

Tr� ����� ����� ������ ����� ������ �����

Re� �� ����� � ���� � ����

Im� ��� ����� ��� � ��� ��� � ���

Ch� ��� � ��� ���� ��� ����

������������������������ � � ���� ����

����������� ��� ���

�� !���� ���� ���

"#�� ����!��� �! ���

$#�� ���!��� �� !����

%�&'��������(��)�*�� ��!��� ��!����

TABLA 5 Ajustes de segmentación

� ���� ����

+�����(� � ���� �!����

���(����� �� !���� �! ���

���(����� ��!���� �!����

���(����� ���!� �� �!����

18

TABLA 6 Resultados del comportamiento multicanal

� ������������� ������ ����� ������ �����

� ������ ������ ������ ������ ������ ������

Constante � ��� � � ����� �� �� ���� � �����

Entropía uso de canales ������� ����� ������ � ��� ������ ����

Total pasivo ������ ����� ���� ���� ������� �����

Edad ����� � �� � �� ��� � ��� �� ��

Desempleado ������ ����� ����� �� � ����� �����

Estudiante ������ ����� ����� ���� ������ �� ��

Fijo ����� ����� ������ �� �� ���� ����

Eventual ��� ����� ����� � �� �� � � ��

Autónomo � �� ����� ������� ����� ����� �����

Pensionista o trabaja en el hogar �� �� �� �� �� ��

������������������������ � � ���� ����

����������� �� ��

�� !���� �

���,)������ !���� ! ��� ! ��

"#�� ����!���

$#�� ����!� �

%�&'��������(��)�*�� �����!���

���!�������!������ !���

TABLA 7 Ajustes de segmentación

� ���� ����

+�����(� ����!� � ����!���

���(����� ��� ��� ���!���

���(����� � �!��� ����!���

���(����� � ��!��� ���!��

5. Conclusiones e implicaciones

Con el desarrollo de nuevas tecnologías, uno de los cambios más drásticos que se ha

producido en los mercados ha sido el incremento de canales a partir de los cuales los clientes

pueden interactuar con las empresas, ya que éstas han abierto nuevas vías de comunicación y

distribución para sus productos. En este entorno de múltiples formas de interacción entre los

clientes y las empresas, es clave para el éxito de éstas saber gestionar adecuadamente al

cliente que utiliza o demanda múltiples canales en su relación con una determinada

19

organización, el llamado cliente multicanal, para lo cual es preciso conocer en profundidad su

comportamiento de forma que el proceso de adquisición y retención de dichos clientes sea

más efectivo.

En este trabajo se ha analizado fundamentalmente el papel que juegan la posesión de

productos y la utilización de servicios financieros en la explicación del comportamiento

multicanal y cómo influye este comportamiento multicanal en el valor del cliente para la

empresa.

Los resultados del trabajo muestran que prácticamente todos los clientes del banco (97%)

manifiestan un comportamiento multicanal. Oficinas y cajeros es utilizado por casi un 52% de

ellos y aproximadamente otro tercio añade a esta combinación el canal online. Sin embargo,

el valor de la entropía es bajo. Es decir, que pese a utilizar diferentes canales para llevar a

cabo sus gestiones, los clientes realizan más operaciones en uno de ellos, normalmente en el

cajero, que en el otro o en los otros. Los porcentajes de utilización de cada uno de los canales

así lo constatan.

Asimismo, se descubre que el canal online es aún poco utilizado por los clientes de la entidad

bancaria para realizar gestiones. A pesar de que las entidades financieras se han caracterizado

por incorporar con rapidez las tecnologías de la información, parece que todavía no ha pasado

el tiempo suficiente para que determinados sectores de la población estén completamente

familiarizados con las nuevas tecnologías y se pierda el miedo a realizar transacciones a

través de él. No obstante, parece que vamos por buen camino. Si comparamos los datos

mostrados por la encuesta AIMC en los últimos cinco años (2001-2006), se observa una

disminución del porcentaje de personas en España que no hacen operaciones bancarias a

través de la red, pasando de un 49% a un 35%; una estabilización del porcentaje de personas

que realizan sólo consultas, que se sitúa en un 25%; y un aumento en el porcentaje de

personas que además de consultas realizan transacciones, pasando del 25% al 36%. En estos

años, también se observa un aumento en el nivel de seguridad percibido a la hora de realizar

transacciones bancarias. Si en 2001, el 47,4% de los encuestados consideró que la seguridad

de las transacciones bancarias es bastante o mucha, en 2006 el porcentaje se sitúa casi en un

64%. Además, y como ocurre con otros canales, hay que tener en cuenta las limitaciones

operacionales impuestas por las entidades financieras a la hora de operar en la red. No

obstante, parece que le ha ganado la partida a la telebanca, este canal ha resultado ser menos

utilizado.

La estimación del modelo de comportamiento multicanal no ha permitido identificar

segmentos de clientes diferenciados. Se descubre que los individuos reparten más sus

20

operaciones entre los diferentes canales que la entidad pone a su disposición cuando tiene

contratados productos cuya gestión se realiza exclusivamente a través del canal Internet,

cuando tienen contratados productos de aplazamiento de pago y cuanto mayor es el número

de transferencias realizadas.

Por otro lado, se ha confirmado que los clientes que realizan sus operaciones en distintos

canales son los que mayor vinculación tienen con la entidad y por lo tanto, los que resultan

más rentables para la entidad financiera.

Basándonos en estos resultados obtenidos, varias son las sugerencias que se podría realizar a

la entidad financiera relacionadas con su estrategia comercial.

Dado el comportamiento multicanal de los clientes, y en un intento de buscar la eficiencia

pero también el reforzamiento de la relaciones del cliente con la entidad y garantizarles un

excelente servicio, en primer lugar, debería continuar animando a los clientes para que sean

ellos los que gestionen sus finanzas a través de los diversos canales de autoservicio.

⋅ Aumentando su funcionalidad, de forma, y siempre que sea posible por las características

inherentes al canal, el cliente pueda realizar el 100% de la operativa que le ofrece la

entidad financiera a través de los diferentes canales. Por ejemplo, permitiendo la

contratación de créditos al instante o hipotecarios, la gestión de cuentas a plazo o planes de

pensiones o fondos de inversión o la contratación de tarjetas de débito y créditos en todos

ellos.

⋅ Incorporando más prestaciones de valor añadido, como la posibilidad de realizar pagos o

devoluciones de recibos, la aceptación de cheques, la reserva de cualquier curso o taller

organizado por el entidad o la venta de abonos para el transporte en el caso de los cajeros.

⋅ En el caso del canal online, mejorando la usuabilidad del sitio web y creando interfaces

más amigables y con opciones de personalización por los clientes.

⋅ Mejorando la seguridad. Aunque las entidades están continuamente realizando esfuerzos

en este sentido y así es percibido por los clientes, gracias a la biometría, podría eliminar la

necesidad de memorizar contraseñas por parte de los clientes o la necesidad de utilizar

tarjetas para operar con ellos.

⋅ Diseñando una estrategia de comunicación, en la que por diferentes medios, se explique a

los clientes las ventajas, la facilidad de uso de algunos canales o su seguridad. Las acciones

comerciales en las que se traduzca dicha estrategia deberían personalizarse a las

necesidades de los distintos segmentos. Además, en todos los casos debería utilizarse un

lenguaje comprensible.

21

En segundo lugar, y pese a los nuevos canales emergentes, los clientes no han abandonado las

oficinas bancarias. Y en los próximos años, las redes de distribución física seguirán siendo

fundamentales como medio de captación de clientes y como el procedimiento principal de

venderles productos de alto valor añadido. Pero también convendría que las oficinas bancarias

comenzasen un proceso de transformación, para pasar de ser un centro de asesoramiento y

transacciones a convertirse en un centro de servicio. Incluso, pasar a convertirse en un centro

en el que se organicen actividades de muy diversa naturaleza, a fin de aportar al cliente más

valor en la relación que mantienen con la entidad financiera.

Finalmente, y en cuanto a la gestión de la relación con el cliente multicanal, será

imprescindible hacer esfuerzos por alcanzar mayores niveles de inteligencia comercial con la

información recopilada de cada uno de los clientes a través de los diversos canales por éste

utilizados. Además, será imprescindible evitar cualquier inconsistencia que se pudiera

producir en la información puesta a disposición de los clientes.

22

Referencias bibliográficas AIMC. 9ª Encuesta AIMC a usuarios de Internet. Available at: www.aimc.es

AIMC. 4ª Encuesta AIMC a usuarios de Internet. Available at: www.aimc.es

Akinci S, Aksoy S, Atilgan E. Adopion of internet banking among sophisticated consumer segments in an advanced developing country. International Journal of Bank Marketing 2004; 22 (3): 212-32.

Ansari A, Mela C, Neslin S. Customer channel migration. Working paper, Teradata Center, Duke University, Paper Series nº 13, 2003.

Black N, Lockett A, Ennew C, Winklhofer H., Mckechnie S. Modelling consumer choice of distribution channels: an illustration from financial services. International Journal of Bank Marketing 2002; 20 (4): 161-73.

Boehm M, Gensler S. Modeling the channel choice behavior of banking customer. Proceeding of the 35th EMAC Conference. Athens. 2006

Burke RR. Technology and the customer Interface: what consumers want in the physical and virtual store. Journal of the Academy of Marketing Science 2002; 30: 411-32.

Coelho F.J, Easingwood C. Multiple channel systems in services: pros, cons and issues. The Service Industries Journal 2004; 24 (5): 1-29.

Dholakia RR, Zhao M, Dholakia N. Multichannel retailing: a case study of early experiences. Journal of Interactive Marketing 2005; 19(2): 63-74.

DoubleClik Inc. Multi-channel shopping study-Holiday 2003. Available at: www.doubleclick.net.

Easingwood C, Coelho F. Single versus multiple channel strategies: typologies and drives. Service Industries Journal 2003; 23(2): 31-46.

Frazier GL. Organizing and managing channel of distribution. Journal of the Academy of Marketing Science 1999; 27(2): 226-40.

Gehrt CK, Yan RN. Situational, consumer, and retailer factors affecting Internet, catalog, and store shopping. International Journal of Retail & Distribution Management 2004; 32(1): 5-18.

Girard T, Silverblatt R, Korgonkar, P. Influence of product class on preference for shopping on the Internet. Journal of computer-Mediated Communication 2002; 8(1). Available at http://jcmc.indiana.edu/.

Godes D, Mayzlin D. Using online conversations to study word-of-mouth communication. Marketing Science 2004; 23(4): 545-60.

González O, González J. Estrategia de cobertura espacial del mercado español de las cadenas líderes de hipermercados. Información Comercial Española 2000; 789: 139-51.

Jedidi K, Jagpal HS, DeSarbo, WS. Finite mixture structural equation models for response-based segmentation and unobserved heterogeneity. Marketing Science 1997; 16(1): 39-59.

Jupiter Consumer Surver. Redefining the online retail consumer. 2002. Available at: www.marketresearch.com.

Kamakura WA, Russell G. A probabilistic choice model for market segmentation and elasticity structure Journal of Marketing Research 1989; 26(4): 379-90.

Karjaluoto H, Pento MM. Factors underlying attitude formation toward online banking in Finland. International Journal of Bank Marketing 2002; 20 (6): 261-72.

Kolodinsky JM, Hogarth JM, Hilgert MA. The adoption of electronic banking technologies by US consumers. International Journal of Bank Marketing 2004; 22(4): 238-59.

Kumar V, Venkatesan R. Who are the multichannel shoppers and how do they perform?: correlates of multichannel shopping behaviour. Journal of Interactive Marketing 2005; 19 (2): 44-60.

Lee KS, Tan S J. E-retailing versus physical retailing. A theorical model and empirical test of consumer choice. Journal of Business Research 2003; 56(11): 877-85.

Martínez M, Ortega JM, Román MV. Application of the latent class regresión methodology to the analysis of Internet use for banking transaction in the European Union. Journal of Business Research 2007; 60(2): 137-45.

23

Meuter ML, Bitner MJ, Ostrom AL, Brow SW. Choosing among alternative service delivery modes: an investigation of customer trial of self-service technologies. Journal of Marketing 2005; 69(April): 61-83.

Montoya-Weiss MM, Voss GB, Grewal D. Determinants of online channel use and overall satisfaction with a relational multichannel service provider. Journal of the Academy of Marketing Science 2003; 31(4): 448-58.

Nickolson M, Clarke I, Blakemare M. One brand, three ways to shop: situational variables and multichannel consumer behaviour. International Review of Retail, Distribution and Consumer Research 2002; 12(2): 131-48.

Pandya A.M, Dholakia N. B2C failures: toward an innovation theory framework. Journal of Electronic Commerce in Organizations 2005; 3(2): 68-81

Patricio L, Fisk RP, Falcao E, Cunha J. Improving satisfaction with bank service offerings: measuring the contribution of each delivery channel. Managing Service Quality 2003; 13(6):471-82.

Peterson RA, Balasubramanian S, Bronnenberg BJ. Exploring the implications of the Internet for consumer marketing. Journal of Marketing Science 1997; 25; 329-46.

Rajamma, RK, Paswan, AK y Ganesh, G. Services purchased at brick and mortar versus inline stores, and shopping motivation. Journal of Services Marketing 2007; 21(3): 200-212.

Rangaswamy A, Van Bruggen GH. Opportunities and challenges in multichannel marketing: an introduction to the special issues. Journal of Interactive Marketing 2005; 19(2): 5-11.

Reda S. Active multi-channel shoppers may be a liability, less loyal than other on-line shoppers. 2002. Available at: www.stores.org.

Schoenbachler DD, Gordon GL. Multi-channel shopping understanding what drives channel choice. Journal of Consumer Marketing 2002; 19(1): 42-53.

Soopramanie DG, Robertson A. Adoption and usage of online shopping: an empirical analysis of the characteristics of buyers and non-internet shoppers. Journal of Retailing and Consumer Research 2007; 14 (1): 73-82.

Sousa R, Voss ChA. Service quality in multichannel services employing virtual channels. Journal of Service Research 2006; 8(4): 356-71

Thomas JS, Sullivan UY. Investigating best customer in a multi-channel setting. Working paper, Medill Scholl, Northwestern University, Evanston, 2005.

Van Herpen E, Pieters R. The variety o fan assortment: an extensión to the attribute-based approach. Marketing Science 2004; 21(3): 331-41.

Venkatesan R, Kumar V, Ravishanker N. Multichannel shopping: causes and consequences. Journal of Marketing 2007; 71(April): 114-32.

Verhoef PC, Neslin SA, Vroomen B. Multi-channel customer management: understanding the research-shopper phenomenon. Working paper, University of Groningen, the Netherlands, 2005.

Wan WW, Luk ChL, Chow Ch. WC. Customer’s adoption of banking channels in Hong Kong. International Journal of Bank Marketing 2005; 23 (3):255-72.

Wedel M, Kamakura W. Market segmentation, conceptual and methodological foundations. Boston: Kluwer Academia Publishers 2000.